买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门大学附属第一医院(厦门市第一医院、厦门市红十字医院、厦门市糖尿病研究所);厦门智融合科技有限公司申请的专利一种基于空间频率引导网络的实时肺部CT分割方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121391892B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511972391.8，技术领域涉及：G06T7/10；该发明授权一种基于空间频率引导网络的实时肺部CT分割方法及装置是由王冰冰;吴淑卿;丁惠娜;穆罕默德·A·M·埃尔哈桑;张龙晖设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本一种基于空间频率引导网络的实时肺部CT分割方法及装置在说明书摘要公布了：本发明公开了一种基于空间频率引导网络的实时肺部CT分割方法及装置，涉及图像分割技术领域。所述空间频率引导网络包括编码器部分、解码器部分和分割头；编码器部分包括依次连接的茎块和若干个编码器，对肺部CT图像依次进行特征提取并输出若干个不同尺度的特征；解码器部分包括依次连接的多尺度特征交互模块和若干个解码器，对所述若干个不同尺度的特征进行整合，得到最终特征；分割头基于最终特征生成分割结果。本发明通过集成残差下采样块与空间频率引导块实现稳定层次编码，并结合多尺度特征交互模块完成高效特征融合；将空频表征融入编码器‑解码器流程，显著提升精细解剖结构勾勒能力及病理驱动的外观变异处理能力，且不影响效率。

本发明授权一种基于空间频率引导网络的实时肺部CT分割方法及装置在权利要求书中公布了：1.一种基于空间频率引导网络的实时肺部CT图像分割方法，其特征在于，包括以下步骤： 基于编码器-解码器结构构建空间频率引导网络并进行训练； 利用训练好的空间频率引导网络进行实时肺部CT图像分割； 其中，空间频率引导网络包括编码器部分、解码器部分和分割头； 所述编码器部分包括依次连接的茎块和若干个编码器，用于对肺部CT图像依次进行特征提取并输出若干个不同尺度的特征；所述茎块采用堆叠的3×3卷积，用于提取肺部CT图像的初步特征；所述解码器部分包括依次连接的多尺度特征交互模块和若干个解码器；所述多尺度特征交互模块接收最后一级编码器的输出并通过粗粒度语义描述符引导细粒度空间特征优化，实现结构化跨尺度交互；最后一级解码器接收多尺度特征交互模块的输出和最后一级编码器的输出，输出解码特征；其它解码器接收下一级解码器输出的解码特征和同级编码器输出的编码特征，输出解码特征；第一级解码器输出的解码特征作为最终特征；所述分割头基于最终特征生成分割结果； 每一级编码器包括空间频率引导模块SFGM和阶段链接融合单元SLFU；空间频率引导模块SFGM包括空间频率引导块SFGB和残差下采样块RDBlock，残差下采样块RDBlock作为下采样工具从输入特征中学习具有精炼信息的低分辨率特征；空间频率引导块SFGB作为基础瓶颈结构从残差下采样块RDBlock输出中捕获密集语义上下文；阶段链接融合单元SLFU融合本级空间频率引导模块SFGM输出的特征与上一阶段特征，得到本级编码器的编码特征并输出；第一级编码器的上一阶段特征为茎块输出的初步特征，其它编码器的上一阶段特征为上一级编码器输出的编码器特征； 所述空间频率引导块SFGB，其内部处理流程包括以下步骤： 提取局部结构与多尺度空间上下文，得到提取特征，表示为： ； 其中，表示空间频率引导块SFGB的输入特征图；为捕获细粒度细节的卷积，表示卷积的卷积核，是膨胀率为d的空洞深度卷积，可在不增加计算成本前提下扩大感受野，表示卷积的卷积核；表示批归一化； 空间频率注意力模块的空间分支利用大核卷积捕获更广域局部上下文，得到空间令牌，表示为： ； 其中，S表示空间令牌；ρ是ReLU激活，Conv表示卷积操作； 空间频率注意力模块的频域分支对每个通道计算二维快速傅里叶变换，并计算通道维度平均幅度，最后投影得到频率令牌，表示为： ； ； ； 其中，表示Xc计算二维快速傅里叶变换的结果，表示二维快速傅里叶变换，表示对求绝对值的结果；表示在第c通道的值，表示通道总数，表示对计算通道维度平均幅度的结果；表示频率令牌α是1x1卷积，表示卷积α的卷积核； 融合和注意力加权，将空间令牌S和频率令牌连接起来以生成空间频率注意力： ； 其中，‖是通道级级联，是sigmoid函数；表示卷积，表示卷积的卷积核； 最终输出通过下式获得所述空间频率引导块SFGB的最终输出： ； ； 其中，⊙表示逐元素相乘，是1x1卷积，是卷积的卷积核； 所述多尺度特征交互模块，其内部处理流程包括以下步骤： 对最后一级阶段链接融合单元SLFU输出的特征进行连续双3×3卷积运算，生成增强深层特征图； 对最后一级编码器输出的编码特征进行1×1卷积生成变换特征，再经轻量级通道注意力模块精炼获得粗粒度特征；最后与增强深层特征图进行融合，表示为： ； 其中，DK表示所述多尺度特征交互模块的输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学附属第一医院(厦门市第一医院、厦门市红十字医院、厦门市糖尿病研究所);厦门智融合科技有限公司，其通讯地址为：361000 福建省厦门市思明区镇海路上古街10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。